YOLO:使用labelme进行图片数据标签制作,并转换为YOLO格式

作者:CSDN @ 养乐多

本文将介绍如何使用 labelme 进行图片数据标签制作的方法,并将标签的格式从 JSON 格式转换为 YOLO 格式。


文章目录


一、安装labelme

试过了labelme和labelImg,labelImg经常奔溃不太好用,最终选择labelme。

python 复制代码
pip install labelme

二、使用流程

运行labelme,

比较好的数据管理方式是,将图片和标注信息分开保存,方便之后数据格式转换和数据集划分的脚本使用。所以需要将标注信息输出路径修改一下。我把图片都保存在images文件夹下了,输出标注信息的路径是和images同级的labels文件夹。最好取消同时保存图像数据按钮,并点击自动保存按钮。

python 复制代码
总结:
1.点击自动保存;
2.更改标注信息输出路径到labels文件夹;
3.取消同时保存图像数据。

打开目录读取数据集,

编辑菜单中选择创建矩形,这是为了YOLO这种目标检测算法做标签用的。语义分割、目标追踪等就选多边形。

拖动矩形框并输入标注名称,点击ok即可自动保存。标注完之后选择下一张。

最后,labels文件夹下会保存所有的标注数据,不过是json格式。

如果想要用到YOLO算法中还需要将json格式修改为YOLO格式。

保存结果如下图所示,

三、json格式转为YOLO格式

category_dict,input_directory,output_directory 。

使用时,需要修改这三个变量。

category_dict:类别字典,对应类别名和类别ID;

input_directory :json保存的目录;

output_directory :YOLO格式标注的目录。

python 复制代码
import json
import os

category_dict = {'飞机': '1'}  # 类别字典

def json_to_yolo(input_file_path, output_directory):
    data = json.load(open(input_file_path, encoding="utf-8"))  # 读取带有中文的文件
    image_width = data["imageWidth"]  # 获取json文件里图片的宽度
    image_height = data["imageHeight"]  # 获取json文件里图片的高度
    yolo_format_content = ''

    for shape in data["shapes"]:
        # 归一化坐标点,并计算中心点(cx, cy)、宽度和高度
        [[x1, y1], [x2, y2]] = shape['points']
        x1, x2 = x1 / image_width, x2 / image_width
        y1, y2 = y1 / image_height, y2 / image_height
        cx = (x1 + x2) / 2
        cy = (y1 + y2) / 2
        width = abs(x2 - x1)
        height = abs(y2 - y1)

        # 将数据组装成YOLO格式
        line = "%s %.4f %.4f %.4f %.4f\n" % (category_dict[shape['label']], cx, cy, width, height)  # 生成txt文件里每行的内容
        yolo_format_content += line

    # 生成txt文件的相应文件路径
    output_file_path = os.path.join(output_directory, os.path.basename(input_file_path).replace('json', 'txt'))
    with open(output_file_path, 'w', encoding='utf-8') as file_handle:
        file_handle.write(yolo_format_content)


input_directory = "E:/DataSet/test/labels/"
output_directory = "E:/DataSet/test/labels-yolo/"

file_list = os.listdir(input_directory)
json_file_list = [file for file in file_list if file.endswith(".json")]  # 获取所有json文件的路径

for json_file in json_file_list:
    json_to_yolo(os.path.join(input_directory, json_file), output_directory)

四、按比例划分数据集(训练、验证、测试)

如果需要将图片和标签数据集按比例划分为训练、验证、测试数据集,请参考以下博客。

参考博客《YOLO:VOC格式数据集转换为YOLO数据集格式》中的第2节。

相关推荐
Java中文社群7 分钟前
用代码书写浪漫,网友直呼“太美了”!
python
兔兔爱学习兔兔爱学习9 分钟前
LangChain4j学习6:agent
人工智能·学习·语言模型
LaughingZhu14 分钟前
Product Hunt 每日热榜 | 2025-10-30
大数据·人工智能·经验分享·搜索引擎·百度·产品运营
算家计算16 分钟前
Kimi发布新一代注意力架构!线性注意力实现75% KV缓存减少、6倍解码速度提升
人工智能·开源·资讯
2501_9387739917 分钟前
文档搜索引擎搜索模块迭代:从基础检索到智能语义匹配升级
人工智能·算法·搜索引擎
@LetsTGBot搜索引擎机器人18 分钟前
打造属于你的 Telegram 中文版:汉化方案 + @letstgbot 搜索引擎整合教程
开发语言·python·搜索引擎·机器人·.net
文火冰糖的硅基工坊24 分钟前
[人工智能-大模型-117]:模型层 - 用通俗易懂的语言,阐述循环神经网络的结构
人工智能·rnn·深度学习
繁依Fanyi38 分钟前
【参赛心得】我的 HarmonyOS 开发入门与参赛之路
ide·人工智能·华为·word·harmonyos·aiide·codebuddyide
文心快码BaiduComate42 分钟前
AI时代下,程序员的发展与进阶
人工智能·程序员·前端框架